一种目标检测模型的训练方法、系统、装置及存储介质与流程

本说明书涉及信息，特别涉及一种目标检测模型的训练方法和系统。

背景技术：

1、目标检测(object detection)的任务是找出图像中所有感兴趣的目标(物体)，确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。

2、为了更好的完成目标检测任务，可以采用机器学习的方式，利用机器学习模型的能力实现目标检测。但目标检测模型的训练过程难以控制，基于相同训练集训练得到的模型之间可能性能存在较大差距。

技术实现思路

1、本说明书实施例之一提供一种目标检测模型的训练方法，其包括：获取多个训练样本，所述训练样本包括激光点云数据；基于所述多个训练样本和训练参数，执行多轮迭代，以完成对目标检测模型的训练，所述目标检测模型用于基于激光点云数据检测目标，所述训练参数包括学习率和动量因子，其中，在每轮迭代中：计算该轮迭代对应的损失函数值；以第一更新机制更新所述学习率和/或以第二更新机制更新所述动量因子，所述第一更新机制不同于所述第二更新机制；基于更新后的学习率、更新后的动量因子以及该轮迭代对应的所述损失函数值，更新该轮迭代对应的模型参数；对该轮迭代对应的目标检测模型进行评估，以确定是否完成模型训练过程。

2、本说明书实施例之一提供一种目标检测模型的训练系统，其包括：样本获取模块，用于获取多个训练样本，所述训练样本包括激光点云数据；模型训练模块，用于基于所述多个训练样本和训练参数，执行多轮迭代，以完成对目标检测模型的训练，所述训练参数包括学习率和动量因子；所述模型训练模块还用于，在每轮迭代中：计算该轮迭代对应的损失函数值；以第一更新机制更新所述学习率和/或以第二更新机制更新所述动量因子，所述第一更新机制不同于所述第二更新机制；基于更新后的学习率、更新后的动量因子以及该轮迭代对应的所述损失函数值，更新该轮迭代对应的模型参数；对该轮迭代对应的目标检测模型进行评估，以确定是否完成模型训练过程。

3、本说明书实施例之一提供一种目标检测模型的训练装置，包括处理器，所述处理器用于执行目标检测模型的训练方法。

4、本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行目标检测模型的训练方法。

技术特征：

1.一种目标检测模型的训练方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，在每轮迭代中，所述第一更新机制和/或所述第二更新机制相关于该轮迭代对应的迭代次数。

3.如权利要求1所述的方法，其特征在于，在每轮迭代中，所述第一更新机制和/或所述第二更新机制通过以下方式确定：

4.如权利要求3所述的方法，其特征在于，

5.如权利要求4所述的方法，其特征在于，

6.如权利要求4所述的方法，其特征在于，所述第一预设方向与所述第二预设方向相反。

7.如权利要求4所述的方法，其特征在于，所述学习率更新曲线为线性曲线，所述动量因子更新曲线为非线性曲线。

8.一种目标检测模型的训练系统，其特征在于，所述系统包括：

9.一种目标检测模型的训练装置，包括处理器，其特征在于，所述处理器用于执行如权利要求1～7任一项所述的目标检测模型的训练方法。

10.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1～7任一项所述的目标检测模型的训练方法。

技术总结
本说明书涉及一种目标检测模型的训练方法、系统、装置及存储介质，该方法包括基于多个训练样本和训练参数，执行多轮迭代，以完成对目标检测模型的训练，目标检测模型用于基于激光点云数据检测目标，训练参数包括学习率和动量因子，其中，在每轮迭代中：计算该轮迭代对应的损失函数值；以第一更新机制更新学习率和/或以第二更新机制更新动量因子，第一更新机制不同于第二更新机制；基于更新后的学习率、更新后的动量因子以及该轮迭代对应的损失函数值，更新该轮迭代对应的模型参数；对该轮迭代对应的目标检测模型进行评估，以确定是否完成模型训练过程。

技术研发人员：严海旭,兰晓松,刘羿,何贝
受保护的技术使用者：北京斯年智驾科技有限公司
技术研发日：
技术公布日：2024/4/17